| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题的研究背景及意义 | 第9页 |
| 1.2 齿轮箱故障诊断研究现状 | 第9-11页 |
| 1.2.1 齿轮箱振动信号处理 | 第9-10页 |
| 1.2.2 齿轮箱振动信号处理特征提取 | 第10页 |
| 1.2.3 特征数据处理 | 第10-11页 |
| 1.2.4 特征数据的分类与识别 | 第11页 |
| 1.3 本论文的主要研究内容和总体结构 | 第11-13页 |
| 第2章 齿轮箱振动信号特征提取 | 第13-26页 |
| 2.1 齿轮箱振动信号数据预处理 | 第13-15页 |
| 2.1.1 齿轮箱数据介绍 | 第13页 |
| 2.1.2 振动信号的消除多项式趋势项和平滑处理 | 第13-15页 |
| 2.2 振动信号的特征提取 | 第15-24页 |
| 2.2.1 振动信号的时域和频域统计指标 | 第15-17页 |
| 2.2.1.1 时域特征参数 | 第16-17页 |
| 2.2.1.2 频域特征参数 | 第17页 |
| 2.2.2 基于小波包分解的振动信号特征提取 | 第17-20页 |
| 2.2.2.1 小波包频带分解原理 | 第17-18页 |
| 2.2.2.2 频带能量特征提取原理 | 第18-19页 |
| 2.2.2.3 小波包分解提取频带能量 | 第19-20页 |
| 2.2.3 振动信号的多重分形特征 | 第20-24页 |
| 2.2.3.1 多重分形定义 | 第20页 |
| 2.2.3.2 多重分形过程 | 第20-21页 |
| 2.2.3.3 广义Hurst指数的估计 | 第21-23页 |
| 2.2.3.4 振动信号的多重分形分析 | 第23-24页 |
| 2.3 小结 | 第24-26页 |
| 第3章 振动信号的特征数据分析 | 第26-41页 |
| 3.1 主元分析 | 第26-28页 |
| 3.1.1 主元分析的基本原理 | 第26-27页 |
| 3.1.2 主元分析的实现步骤 | 第27-28页 |
| 3.2 核主元分析 | 第28-30页 |
| 3.2.1 基于核主元分析的基本原理 | 第28-29页 |
| 3.2.2 基于核主元分析的实现步骤 | 第29-30页 |
| 3.3 齿轮箱振动信号特征主元分析与核主元分析 | 第30-36页 |
| 3.4 基于主元分析和核主元分析的特征融合 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 BP神经网络的改进及其在齿轮箱故障诊断中的应用 | 第41-51页 |
| 4.1 BP神经网络原理 | 第41-43页 |
| 4.1.1 BP网络的前馈计算 | 第42-43页 |
| 4.1.2 BP网络的权系数调整规则 | 第43页 |
| 4.1.3 隐含层节点数 | 第43页 |
| 4.2 基于BP神经网络的齿轮箱振动信号特征数据评价与分析 | 第43-45页 |
| 4.3 BP神经网络改进方法在齿轮箱故障诊断中的对比研究 | 第45-50页 |
| 4.3.1 启发式学习技术及其应用 | 第46页 |
| 4.3.2 数字优化计算技术及其应用 | 第46-47页 |
| 4.3.3 智能搜索技术及其应用 | 第47-49页 |
| 4.3.4 神经网络集成技术及其应用 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间发表的论文 | 第58-59页 |
| 致谢 | 第59页 |
